論文の概要: PrivacyProber: Assessment and Detection of Soft-Biometric Privacy-Enhancing Techniques

• arxiv url: http://arxiv.org/abs/2211.08864v1
• Date: Wed, 16 Nov 2022 12:20:18 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-17 15:41:07.187380
• Title: PrivacyProber: Assessment and Detection of Soft-Biometric Privacy-Enhancing Techniques
• Title（参考訳）: PrivacyProber: ソフトバイオメトリックなプライバシエンハンシング技術の評価と検出
• Authors: Peter Rot, Peter Peer, Vitomir \v{S}truc
• Abstract要約: そこで本研究では, バイオメトリック・プライバシ・エンハンシング技術を用いて, 回復の試みの信頼性について検討する。 プライバシ強化顔画像からソフトバイオメトリック情報を復元するための高レベルフレームワークであるPrivacyProberを提案する。
• 参考スコア（独自算出の注目度）: 1.790445868185437
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Soft-biometric privacy-enhancing techniques represent machine learning methods that aim to: (i) mitigate privacy concerns associated with face recognition technology by suppressing selected soft-biometric attributes in facial images (e.g., gender, age, ethnicity) and (ii) make unsolicited extraction of sensitive personal information infeasible. Because such techniques are increasingly used in real-world applications, it is imperative to understand to what extent the privacy enhancement can be inverted and how much attribute information can be recovered from privacy-enhanced images. While these aspects are critical, they have not been investigated in the literature. We, therefore, study the robustness of several state-of-the-art soft-biometric privacy-enhancing techniques to attribute recovery attempts. We propose PrivacyProber, a high-level framework for restoring soft-biometric information from privacy-enhanced facial images, and apply it for attribute recovery in comprehensive experiments on three public face datasets, i.e., LFW, MUCT and Adience. Our experiments show that the proposed framework is able to restore a considerable amount of suppressed information, regardless of the privacy-enhancing technique used, but also that there are significant differences between the considered privacy models. These results point to the need for novel mechanisms that can improve the robustness of existing privacy-enhancing techniques and secure them against potential adversaries trying to restore suppressed information.
• Abstract（参考訳）: ソフトバイオメトリックプライバシエンハンシング技術は、次のような機械学習手法を表している。 (i)顔画像(性別、年齢、民族など)のソフトバイオメトリック属性の選択を抑制し、顔認識技術に関連するプライバシーの懸念を軽減すること。 (ii)機密性の高い個人情報の不十分な抽出を不可能にする。 このような技術は、現実のアプリケーションでますます使われているため、プライバシー強化がどれだけ反転できるか、そして、プライバシー強化された画像からどれだけの属性情報を復元できるかを理解することが不可欠である。 これらの側面は批判的であるが、文献では研究されていない。 そこで我々は,いくつかの最先端ソフトバイオメトリックプライバシエンハンシング手法のロバスト性について検討した。 プライバシ強化された顔画像からソフトバイオメトリック情報を復元するための高レベルフレームワークであるPrivacyProberを提案し,LFW,MUCT,Adienceの3つの公開顔データセットに対する総合的な実験において属性回復に適用する。 提案手法は,プライバシエンハンシング手法によらず,相当量の抑制された情報を復元できるだけでなく,考慮されたプライバシモデル間にも有意な差異があることを示す。 これらの結果は、既存のプライバシー強化技術の堅牢性を向上し、抑圧された情報を回復しようとする潜在的敵に対してそれらを保護する新しいメカニズムの必要性を示唆している。

関連論文リスト

• Face De-identification: State-of-the-art Methods and Comparative Studies [32.333766763819796]
  顔の特定は、顔画像のプライバシーを保護する効果的な手段とみなされる。 本稿では,現在最先端の顔識別手法を,ピクセルレベル,表現レベル,意味レベルという3つのレベルに分類する。
  論文  参考訳（メタデータ） (2024-11-15T01:00:00Z)
• Masked Differential Privacy [64.32494202656801]
  本稿では,差分プライバシーを適用した機密領域を制御できる「マスク型差分プライバシー(DP)」という効果的なアプローチを提案する。 提案手法はデータに基づいて選択的に動作し,DPアプリケーションや差分プライバシーをデータサンプル内の他のプライバシー技術と組み合わせることなく,非感性時間領域を定義できる。
  論文  参考訳（メタデータ） (2024-10-22T15:22:53Z)
• Privacy-preserving Optics for Enhancing Protection in Face De-identification [60.110274007388135]
  この脆弱性を解決するために,ハードウェアレベルの顔識別手法を提案する。 また、プライバシ保存画像、フェイスヒートマップ、およびパブリックデータセットからの参照顔イメージを入力として、新しい顔を生成する匿名化フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-03-31T19:28:04Z)
• OpticalDR: A Deep Optical Imaging Model for Privacy-Protective Depression Recognition [66.91236298878383]
  抑うつ認識(DR)は、特にプライバシー上の懸念の文脈において、大きな課題となる。 我々は,疾患関連特徴を保持しつつ,撮像した顔画像の識別情報を消去する新しいイメージングシステムを設計した。 正確なDRに必要な本態性疾患の特徴を保ちながら、アイデンティティ情報の回復には不可逆である。
  論文  参考訳（メタデータ） (2024-02-29T01:20:29Z)
• Reversing Deep Face Embeddings with Probable Privacy Protection [6.492755549391469]
  生体認証のソフトなプライバシー保護を破るために、保護された顔埋め込みに対して最先端の顔画像再構成アプローチが評価されている。 その結果,生体認証による顔の埋め込みは,最大98%の精度で再現可能であることがわかった。
  論文  参考訳（メタデータ） (2023-10-04T17:48:23Z)
• Diff-Privacy: Diffusion-based Face Privacy Protection [58.1021066224765]
  本稿では,Diff-Privacyと呼ばれる拡散モデルに基づく顔のプライバシー保護手法を提案する。 具体的には、提案したマルチスケール画像インバージョンモジュール(MSI)をトレーニングし、元の画像のSDMフォーマット条件付き埋め込みのセットを得る。 本研究は,条件付き埋め込みに基づいて,組込みスケジューリング戦略を設計し,デノナイズプロセス中に異なるエネルギー関数を構築し,匿名化と視覚的アイデンティティ情報隠蔽を実現する。
  論文  参考訳（メタデータ） (2023-09-11T09:26:07Z)
• OPOM: Customized Invisible Cloak towards Face Privacy Protection [58.07786010689529]
  我々は、新しいタイプのカスタマイズクロークに基づく技術の観点から、顔のプライバシ保護について検討する。 本研究では,個人固有の(クラスワイドな)ユニバーサルマスクを生成するために,1人1マスク(OPOM)という新しい手法を提案する。 提案手法の有効性を,共通データセットと有名データセットの両方で評価した。
  論文  参考訳（メタデータ） (2022-05-24T11:29:37Z)
• An Attack on Feature Level-based Facial Soft-biometric Privacy Enhancement [13.780253190395715]
  特徴レベルに基づく顔ソフトバイオメトリック・プライバシ・エンハンスメント技術に対する攻撃を導入する。 プライバシーの強化を回避することができ、性別を最大90%の精度で正しく分類することができる。
  論文  参考訳（メタデータ） (2021-11-24T10:41:15Z)
• Towards Face Encryption by Generating Adversarial Identity Masks [53.82211571716117]
  敵の識別マスクを生成するためのターゲットID保護反復法(TIP-IM)を提案する。 TIP-IMは、様々な最先端の顔認識モデルに対して95%以上の保護成功率を提供する。
  論文  参考訳（メタデータ） (2020-03-15T12:45:10Z)
• Unsupervised Enhancement of Soft-biometric Privacy with Negative Face Recognition [13.555831336280407]
  テンプレートレベルでのソフトバイオメトリック・プライバシを高める新しい顔認識手法である負顔認識(NFR)を提案する。 当社のアプローチでは、プライバシに敏感なラベルは必要とせず、事前定義された属性に限らず、より包括的なプライバシ保護を提供します。
  論文  参考訳（メタデータ） (2020-02-21T08:37:16Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。